TGViewer
Data Secrets Data Secrets @data_secrets · 95K subscribers
Post #8016 21.5K
Google предложили систему памяти, благодаря которой ИИ может учиться на своих ошибках в реальном времени

Идея, на самом деле, простая, но никто не имплементировал такое до этого.

Смотрите, вот что будет делать человек, если совершит ошибку? Правильно, запомнит это и в следующий раз попробует сделать по-другому. А вот LLM так не умеют. Да, у нас уже есть глобальная память в ChatGPT, но с точки зрения паттернов мышлеия каждый новый запрос модели все еще воспринимают как первый.

Подход Google называется ReasoningBank. Это как бы блок памяти, который дистиллирует стратегические знания из прошлых действий.

То есть: случился какой-то диалог с пользователем –> мы вызываем специального агента-судью, который оценивает, насколько хорошо была решена задача –> логируем этот опыт с пометками, что получилось лучше всего и хуже всего и почему. На выходе получаем структурированное "воспоминание" с полями Title, Description и Content. Например, может быть так:

Title: Avoid repeating failed actions
Description: Агент застрял в цикле – несколько раз кликал на одну и ту же кнопку, которая не работала.
Content: Если одно и то же действие не приносит результата, нужно изменить стратегию: например, обновить страницу или вернуться на предыдущий шаг.


При решении новой задачи агент вернется к этой памяти и добавит релевантные заметки в промпт. Получается вот такой умный контекст-менеджмент.

И еще интересный момент. На основе такой памяти исследователи вывели новый тип масштабирования вычислений. То есть у нас вот есть скейлинг на претрейне, ризонинг-скейлинг, а они добавили еще Memory-aware Test-Time Scaling (MaTTS).

Суть в том, что агент генерирует множество решений одной задачи, и (тут на сцену выходит ReasoningBank) из каждого извлекает полезные паттерны, которые тут же использует для пересмотра своего окончательного ответа. Чем больше компьюта – тем больше обогощается ReasoningBank, и тем лучше становятся ответы. Модель учится рассуждать из собственного многообразия ошибок.

Вот такая работа с потенциалом. В целом, если подобное заведется, то можно было бы еще крутить и крутить. Например, добавить механизмы забывания, приоритизации или слияния воспоминаний.

arxiv.org/pdf/2509.25140v1
  • ❤‍🔥 125
  • 🔥 48
  • 👍 34
  • ❤ 28
  • 😁 1
More from @data_secrets
  1. Oct 13, 2026Gemini 4 Argon наконец-то начали раскрывать на пользователей Модель уже появляется в API,…
  2. Oct 13, 2026Мем дня: Цукерберг старательно пытается сделать вид, что ему нравится Guinness Это видео с…
  3. Oct 13, 2026Welcome to the new era 😨
  4. Oct 13, 2026Anthropic утверждают, что в скором маленькие модели смогут самореплицироваться на IoT-устр…
  5. Oct 12, 2026Meta* представила новую серию моделей Muse Wonder В линейку вошли две модели: Muse Wonder…
  6. Oct 12, 2026Андрей Карпаты объяснил, почему человечество в основном не чувствует экспоненциального рос…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →